Aplicação do algoritmo de predição de demanda e do algoritmo de otimização de necessidade de estoque se propõe e lidar com um desafio comum a diversos ramos da indústria, que é lidar de forma adequada com o estoque de matéria-prima aliado à previsão de demanda.
Com isto em mente, uma solução baseada em dados se mostra ideal a fim de mitigar riscos desnecessários e promover ganhos recorrentes.
Caso de aplicabilidade da Solução Nxt.Operations Optimization da Dom Rock.
A aplicação dos algoritmos que respondem ao desafio de previsão de demanda vs. otimização do estoque divide-se basicamente em duas principais etapas:
1. Predição de demanda de sku por cliente para o período de interesse.
2. Revisão periódica da necessidade de pedido de matéria-prima baseando-se na predição feita.
A predição é realizada para cada combinação sku/cliente utilizando o histórico de faturamento de 2 anos, por exemplo. Cada uma dessas séries temporais é tratadas de maneira independente e transformada em uma forma estruturada, o que significa subdividí-las em componentes que evoluem no tempo com características bem determinadas, tais como tendências globais, tendências locais, sazonalidades e regressões.
Tecnicamente, tal modelo é treinado e confrontado com modelos de referência, os chamados baselines, indicando sua eficiência e aplicabilidade.
Para solução foram utilizados três baselines: (1) média histórica, (2) Naive Approach e (3) Seasonal Naive Approach (esses dois últimos projetam valores do passado para a predição futura). A métrica utilizada para essa validação é o RMSE (sigla em inglês para raiz do erro quadrático médio).
Uma vez predito o faturamento futuro, entra-se no segundo estágio do algoritmo, o qual se concentra em otimizar a quantidade de matéria-prima estocada. Neste estágio o sistema utiliza a predição de demanda e o estoque físico e virtual como inputs, e assim realiza uma revisão periódica (semanal) do estoque. Considerando um estoque de segurança de 25% do valor previsto, o algoritmo indica se há a possibilidade de ruptura de estoque e sugere a necessidade de pedido de matéria-prima para cada período avaliado.
O ciclo virtuoso da assertividade.
O grande benefício está exatamente neste ponto. Um planejamento de compras superestimado pode trazer custos excessivos com um estoque estagnado, enquanto que valores subestimados de demanda futura podem levar à indesejada ruptura de estoque, fazendo o cliente migrar para a concorrência. A união dessa solução baseada em dados não enviesada, junto à experiência de quem toma essa decisão no dia-a-dia são os ingredientes na busca por esse ponto ótimo.
Se quiser saber mais sobre nossos cases e como nossos algoritmos ajudam na tomada de decisão para eficiência operacional? Entre em contato, e solicite uma demo de 20min.
Essas são histórias que temos grande satisfação em compartilhar.
Dom Rock está entre as 10 melhores Startups brasileiras para Big Data desde 2020.
Imagem: Ruchindra Gunasekara e Jack-b (Unsplash)